Apple MacBook M1 芯片 Anaconda安装 Tensorflow Pytorch

目录

• MacBook M1芯片安装Tensorflow踩坑
  • 踩坑1：在mac m1上安装tensorflow报错“zsh: illegal hardware instruction”
  • 踩坑2：ARM版本conda
  • 第一种方法：下载miniforge3适配Python3.8+TensorFlow2.4.0
    • 1. 下载ARM版Miniforge3
    • 2.创建虚拟环境
  • 第二种方法：安装了Anaconda的，目前可行的最简单的conda install 方法: 低版本适配Python3.7+tensorflow2.0.0
    • 小心坑：直接上会出错哦
    • 低配成功了
  • 第三种方法：Python3.9 +TensorFlow2.5
    • 如果安装pycharm，使用TensorFlow
    • Anaconda上安装pytorch
  • 第四种方法（推荐）：TensorFlow2.4（ARM64）
    • 踩坑3（9月更新：避坑推荐）：Mac-optimized TensorFlow and TensorFlow Addon
    • 3.1 针对能import tensorflow，但是模型无法编译
    • 3.2解决方案
      • Step 1：安装Xcode Command Line Tools，Apple Developer下载安装即可。
      • Step 2：安装arm版本miniforge。
      • Step 3： 从Mac-optimized TensorFlow2.4 and TensorFlow Addons下载ARM64版本的TensorFlow2.4，具体的安装要求是macOS 11.0+， Python3.8.
      • Step 4：路径到.\arm64，创建conda虚拟环境。
      • Step 5：开始安装Apple-TensorFlow2.4
        • Step 5.1查看arm64文件夹，强制安装这些whl文件（注意：这里不安装Tensorflow的包）
        • Step 5.2 安装完成后，再安装一些依赖库：
        • Step 5.3 终于可以安装TensorFlow
        • Step 5.4 进入Python检查TensorFlow版本
        • Step 5.5 测试代码
  • 第五种方法（最新推荐）：支持M1的Python3.9+TensorFlow2.5/2.6
    • Step 1. 把你的macOS升级到最新版本12.0+
    • Step 2. arm64 : Apple Silicon环境安装，即miniforge3安装（具体安装可以参考第一种方法介绍）
    • Step 3. 安装TensorFlow依赖：
      • 第一种情况：已经安装过2.4的依赖，现在想要升级到2.5或2.6版本的：
      • 第二种情况：第一次安装，可选TensorFlow版本2.5或2.6
    • Step 4. 安装TensorFlow base：
    • Step 5. 安装TensorFlow插件：

MacBook M1芯片安装Tensorflow踩坑

首先看下TensorFlow版本和Python的适配：

参考：https://tensorflow.google.cn/install/source#macos

踩坑1：在mac m1上安装tensorflow报错“zsh: illegal hardware instruction”

环境： macOS Big Sur 11.5.1 + anaconda + python3.8

直接用 pip install tensorflow 安装，能够顺利安装tensorflow2.5.0，但是import tensorflow 的时候会报如上错误.

对此，查找了网上许多资料：
大概流程就是架构问题，但是问题博客基本是2020-12～2021-3月的解决方法了，应该不是最优的。
同病相怜：“zsh: illegal hardware instruction python” when installing Tensorflow on macbook pro M1

“zsh: illegal hardware instruction python” when Tensorflow on macbook pro M1
GitHub上的回音：Apple M1 chip - illegal hardware instruction #46178

截止2021-3月左右，网上时兴的解决方法都是如此：
下载 安装miniforge3然后修改配置文件。
MacBook m1芯片采用miniforge安装python3.9

macOS M1(Apple Silicon) 安装配置 Conda 环境

这应该得益于官方：
目前apple developer出了3行代码的安装教程：
https://developer.apple.com/metal/tensorflow-plugin/

踩坑2：ARM版本conda

苹果提供的tensorflow仅支持python 3.8+，而python官网只有3.9+版本支持ARM。
我们的做法是：选择通过ARM版conda创建python3.8虚拟环境，再使用创建的ARM python3.8安装tensorflow.

废话忽略：通俗的说就是，你想要一个苹果公司的最好吃的苹果，但是苹果公司提供38号苹果树只能结普通苹果，但是苹果市场有39号的苹果树能结最好吃苹果，而且支持嫁接给苹果公司的苹果树。那我们的做法是，选市场里的39号苹果树培养一个结最好吃苹果的38号苹果树，再把这个38号苹果树给苹果公司种植，然后你就能得到最好吃的苹果了。

废话不多说，开干吧！

总结：国内技术贴上的各个教程都不尽相同，而且看的比较烦躁了，花了我5-6小时，搞得我都疑惑 ：Anaconda目前为止还不支持M1芯片吗？还是自己摸索下吧。本人也最烦配置参数和修改系统文件了。如下简单粗暴的安装大家可以参照，如有更优选择，烦请告知。

第一种方法：下载miniforge3适配Python3.8+TensorFlow2.4.0

1. 下载ARM版Miniforge3

下载ARM版Miniforge3：选择最新的arm64版本；

https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-MacOSX-arm64.sh

具体可以去GitHub看：
https://github.com/conda-forge/miniforge/#download
下载Miniforge3-MacOSX-arm64.sh到自己的Download目录里：
终端cd Downlaod/后，开始运行脚本：

bash Miniforge3-MacOSX-arm64.sh

这里安装开始，一定要慢慢回车，问题全部选择yes.

因为这里我就踩坑了，选了个No，但是没关系，可以重装Miniforge3：具体终端里删除相关文件就好了。具体操作如下：
rm -rf ~/miniforge3
rm -rf .conda
rm -rf .condarc
然后重新执行安装命令：
bash Miniforge3-MacOSX-arm64.sh

安装完成后重启终端，然后输入Python就可以看到Python 3.9了。

这样miniforge就安装好了。

2.创建虚拟环境

创建Python3.8虚拟环境并安装TensorFlow：

conda create -n py38 python=3.8
conda activate py38

进入虚拟环境后，直接conda install 就能安装TensorFlow库了。
漫长的等待各个库安装完毕即可。
最后来验证下吧！

第二种方法：安装了Anaconda的，目前可行的最简单的conda install 方法: 低版本适配Python3.7+tensorflow2.0.0

小心坑：直接上会出错哦

首先，官网下了Anaconda的MacOS版本：
这是python3.8版本
目前最新的版本是tensorflow2.5.0 ，下载：https://pypi.org/project/tensorflow/，支持3.6-3.8版本python.
根据提示安装后，开始进入终端安装tensorflow：
创建新的环境tensorflow：

conda create -n tensorflow_env python=3.8

激活环境：

conda activate tensorflow_env

然后直接安装:

conda install tensorflow

后面报错，就是当前是python3.8版本，conda下安装只能支持3.5-3.7的，然后就重新装了一个python3.7的环境好了。

低配成功了

第二种尝试成功：安装低版本的tensorflow 2.0.0, python = 3.7，创建新的环境：

conda create -n tensorflow_env_py37 python=3.7
conda activate tensorflow_env_py37
# check your python version
python --version
# install
conda install tensorflow

# enter your python
python
# check tensorflow
import tensorflow as tf

需要等待一会，加载tensorflow，之后没有报错。

下面用官网的一个例子，测试下，可以正常运行。

import tensorflow as tf
# 载入MNIST数据集
mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
# 搭建模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
             loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
# 训练并验证模型
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test,  y_test, verbose=2)

可以正常输出结果。

这样两个各个版本的TensorFlow都可以拥有了。目前没啥问题。

第三种方法：Python3.9 +TensorFlow2.5

Python2.4版本的bug有点多，还是直接上2.5.
前面已经安装好了miniforge3，就好办了。按照官方的三行代码：https://developer.apple.com/metal/tensorflow-plugin/

step 1. 安装miniforge3，创建conda环境。
安装Tensorflow dependencies:

conda install -c apple tensorflow-deps

step 2. Install base TensorFlow

python -m pip install tensorflow-macos

这里下载的时间比较久了。

step 3. Install tensorflow-metal plugin

python -m pip install tensorflow-metal

如果安装pycharm，使用TensorFlow

pycharm是支持M1 芯片的，放心使用，就是选择Python解释器时，选择你前面创建的虚拟环境即可。

Anaconda上安装pytorch

如果安装Pytorch，进入官网https://pytorch.org/get-started/locally/选择版本：官网给出了各种安装方法。

在前面安装好miniforge3的基础上，在Anaconda上的可以安装Pytorch1.8.0版本。

conda install pytorch torchvision -c pytorch

可以正常安装。

第四种方法（推荐）：TensorFlow2.4（ARM64）

踩坑3（9月更新：避坑推荐）：Mac-optimized TensorFlow and TensorFlow Addon

具体看我的另一篇博文：Macbook M1避坑指南：安装Apple-TensorFlow（arm64）

因为anaconda现在还没完美支持M1，因此通用的步骤还是Xcode、miniforge、ATF2.4等。
TensorFlow 2.4 on Apple Silicon M1: installation under Conda environment

3.1 针对能import tensorflow，但是模型无法编译

如果在虚拟环境下能正常import tensorflow，但是模型无法编译。 例如使用keras，一个简单的Sequential模型，到model.compile()就报错了。错误如下：

问题描述：无法在M1上使用keras进行模型编译

报错信息：

2021-09-29 12:04:50.205695: I tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:116] None of the MLIR optimization passes are enabled (registered 2)
2021-09-29 12:04:50.205850: W tensorflow/core/platform/profile_utils/cpu_utils.cc:126] Failed to get CPU frequency: 0 Hz
2021-09-29 12:04:50.206537: F tensorflow/core/grappler/costs/op_level_cost_estimator.cc:710] Check failed: 0 < gflops (0 vs. 0)type: "CPU"
model: "0"
num_cores: 8
environment {
  key: "cpu_instruction_set"
  value: "ARM NEON"
}
environment {
  key: "eigen"
  value: "3.3.90"
}
l1_cache_size: 16384
l2_cache_size: 524288
l3_cache_size: 524288
memory_size: 268435456

zsh: abort      /Users/dan/miniforge3/envs/pytorch_env/bin/python 

原因分析：
还是TensorFlow版本的问题， 使用一个支持Mac M1芯片的arm64版本的TensorFlow。具体的操作可以参考官方。

3.2解决方案

Step 1：安装Xcode Command Line Tools，Apple Developer下载安装即可。

Step 2：安装arm版本miniforge。

从miniforge github选择最新的ARM64版本，一路yes就行。

之后终端conda --version 或 conda info -e检查是否成功。

Step 3： 从Mac-optimized TensorFlow2.4 and TensorFlow Addons下载ARM64版本的TensorFlow2.4，具体的安装要求是macOS 11.0+， Python3.8.

进入releases选择最新的版本tensorflow_macos-0.1alpha3.tar.gz：

tensorflow_macos-0.1alpha3.tar.gz下载后，先解压会出现2个文件夹arm64和x86_64，需要cd进入arm64文件夹。

Step 4：路径到.\arm64，创建conda虚拟环境。

创建一个新环境tf24:

conda create --name tf24

创建后利用conda info -e 查看。

激活环境tf24，安装Python3.8.6和pandas等。

conda activate tf24
conda install -y python==3.8.6
conda install -y pandas matplotlib scikit-learn jupyterlab

Step 5：开始安装Apple-TensorFlow2.4

Step 5.1查看arm64文件夹，强制安装这些whl文件（注意：这里不安装Tensorflow的包）

如下所示arm64文件夹内的whl文件：

先强制安装除Tensorflow包以外的whl：

pip install --upgrade --no-dependencies --force numpy-1.18.5-cp38-cp38-macosx_11_0_arm64.whl grpcio-1.33.2-cp38-cp38-macosx_11_0_arm64.whl h5py-2.10.0-cp38-cp38-macosx_11_0_arm64.whl

Step 5.2 安装完成后，再安装一些依赖库：

因为安装TensorFlow有很多依赖的其他包，先安装这些依赖包。具体如下所示：

pip install absl-py astunparse flatbuffers gast google_pasta keras_preprocessing opt_einsum protobuf tensorflow_estimator termcolor typing_extensions wrapt wheel tensorboard typeguard

Step 5.3 终于可以安装TensorFlow

继续安装来自arm64文件夹的whl文件：

pip install --upgrade --force --no-dependencies tensorflow_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl

pip install --upgrade --force --no-dependencies tensorflow_addons_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl

至此tensorflow安装完成。

Step 5.4 进入Python检查TensorFlow版本

Step 5.5 测试代码

import tensorflow as tf
import time

mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.summary()
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])


start = time.time()

model.fit(x_train, y_train, epochs=5)

end = time.time()

model.evaluate(x_test, y_test)
print(end - start)

可以正常编译：

第五种方法（最新推荐）：支持M1的Python3.9+TensorFlow2.5/2.6

Python3.8 + TensorFlow2.4正常使用中，如今可在macOS12.0+上安装TensorFlow2.5或者2.6且支持3.9。2.4还是会有点小问题，建议还是上2.5。
具体参考苹果官方的方法：https://developer.apple.com/metal/tensorflow-plugin/

Step 1. 把你的macOS升级到最新版本12.0+

Step 2. arm64 : Apple Silicon环境安装，即miniforge3安装（具体安装可以参考第一种方法介绍）

下载并安装Conda env:

chmod +x ~/Downloads/Miniforge3-MacOSX-arm64.sh
sh ~/Downloads/Miniforge3-MacOSX-arm64.sh
source ~/miniforge3/bin/activate

Step 3. 安装TensorFlow依赖：

有以下2种情况：

第一种情况：已经安装过2.4的依赖，现在想要升级到2.5或2.6版本的：

# uninstall existing tensorflow-macos and tensorflow-metal
python -m pip uninstall tensorflow-macos
python -m pip uninstall tensorflow-metal
# Upgrade tensorflow-deps
conda install -c apple tensorflow-deps --force-reinstall
# or point to specific conda environment
conda install -c apple tensorflow-deps --force-reinstall -n my_env

第二种情况：第一次安装，可选TensorFlow版本2.5或2.6

如果是TensorFlow 2.5：

conda install -c apple tensorflow-deps==2.5.0

如果是TensorFlow 2.6：

conda install -c apple tensorflow-deps==2.6.0

Step 4. 安装TensorFlow base：

python -m pip install tensorflow-macos

Step 5. 安装TensorFlow插件：

python -m pip install tensorflow-metal